Realised Volatility Forecasting: Machine Learning via Financial Word Embedding

要約

この研究では、15 年間のビジネス ニュースを使用して金融単語の埋め込みを開発しました。
私たちの結果は、私たちが確立した財務ベンチマークに基づいて、この特殊な言語モデルが一般的な単語の埋め込みよりも正確な結果を生成することを示しています。
アプリケーションとして、この単語埋め込みを単純な機械学習モデルに組み込んで、現実のボラティリティを予測するための HAR モデルを強化します。
このアプローチは統計的にも経済的にも確立された計量経済モデルよりも優れています。
また、説明可能な AI 手法を使用して、ボラティリティに大きく寄与するビジネス ニュースのキー フレーズを特定し、市場のダイナミクスに関連する言語パターンについての洞察を提供します。

要約(オリジナル)

This study develops a financial word embedding using 15 years of business news. Our results show that this specialised language model produces more accurate results than general word embeddings, based on a financial benchmark we established. As an application, we incorporate this word embedding into a simple machine learning model to enhance the HAR model for forecasting realised volatility. This approach statistically and economically outperforms established econometric models. Using an explainable AI method, we also identify key phrases in business news that contribute significantly to volatility, offering insights into language patterns tied to market dynamics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google